PIC-Score：用于单模态与多模态（人脸）识别中最优匹配置信度的概率可解释比较分数

在生物识别背景下，匹配置信度指给定匹配决策正确的置信程度。由于许多生物识别系统运行于关键决策流程中（如法医调查），准确可靠地表述匹配置信度至关重要。已有生物识别置信度估计工作能较好区分高置信度与低置信度，但缺乏可解释性，因而无法提供对决策正确性的准确概率估计。本文提出一种概率可解释比较（PIC）分数，可准确反映该分数源自同一身份样本的概率。我们证明所提方法提供最优匹配置信度。与其他方法不同，它还能在联合 PIC 分数中最优地组合多个样本，进一步提升识别与置信度估计性能。实验中，所提 PIC 方法在四个公开数据库与五个最先进人脸识别系统上与所有可用生物识别置信度估计方法进行比较。结果表明，PIC 比同类方法具有显著更准的概率解释，且对多生物识别（multi-biometric）识别极为有效。代码已公开。